DavidNgoue commited on
Commit
5996cf5
·
verified ·
1 Parent(s): ed74873

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +3 -3
app.py CHANGED
@@ -200,12 +200,12 @@ st.markdown('<div class="title">Application de Classification d\'Images</div>',
200
  menu = st.sidebar.selectbox("Menu", ["🧠 Accueil", "🧠 Classification de l'état cérébral avec VGG16", "Comparatif entre modèles", "👨‍💻À propos"])
201
 
202
  if menu == "🧠 Accueil":
203
- st.write("Bienvenue dans notre application de classification d'images. Cette application a été développée pour la classification d'images dans le contexte du **Brain Tumor MRI images**, un dataset médical contenant des images de nerologiques, avec des catégories représentant des cerveaux normaux, des tumeurs .")
204
 
205
  st.write("""
206
  Cette application a pour objectif de classer ces images en différentes catégories (**Healthy** Aucun problème: , **Tumor**: Tumeur cérébrale) à l'aide de modèles de machine learning.
207
  Nous avons effectué du Transfer Learning sur trois modèles pré entrainés et avons fait un comparatif des trois avant de choisir **VGG16** comme celui avec les meilleurs caractéristiques.
208
- Ces modèles ont été entraînés sur le dataset Brain Tumor MRI images et peuvent être utilisés pour prédire la catégorie d'une image donnée, en détectant des anomalies ou en validant l'état du rein à partir des images CT.
209
  """)
210
 
211
  # Création des onglets pour chaque modèle
@@ -272,7 +272,7 @@ elif menu == "🧠 Classification de l'état cérébral avec VGG16":
272
 
273
  # Présentation de la fonctionnalité pour l'utilisateur
274
  st.markdown("""
275
- Cette section vous permet de **classer une image d'état des reins** en fonction de son apparence.
276
  Le modèle utilise **VGG16**, une architecture d'apprentissage profond optimisée pour analyser les images.
277
  Voici ce que vous devez faire :
278
  1. Téléchargez une image au format `jpg`, `jpeg` ou `png`.
 
200
  menu = st.sidebar.selectbox("Menu", ["🧠 Accueil", "🧠 Classification de l'état cérébral avec VGG16", "Comparatif entre modèles", "👨‍💻À propos"])
201
 
202
  if menu == "🧠 Accueil":
203
+ st.write("Bienvenue dans notre application de classification d'images. Cette application a été développée pour la classification d'images dans le contexte du **Brain Tumor MRI images**, un dataset médical contenant des images de oncologiques, avec des catégories représentant des cerveaux normaux, des tumeurs .")
204
 
205
  st.write("""
206
  Cette application a pour objectif de classer ces images en différentes catégories (**Healthy** Aucun problème: , **Tumor**: Tumeur cérébrale) à l'aide de modèles de machine learning.
207
  Nous avons effectué du Transfer Learning sur trois modèles pré entrainés et avons fait un comparatif des trois avant de choisir **VGG16** comme celui avec les meilleurs caractéristiques.
208
+ Ces modèles ont été entraînés sur le dataset Brain Tumor MRI images et peuvent être utilisés pour prédire la catégorie d'une image donnée, en détectant des anomalies ou en validant l'état du cerveau à partir des images oncologyques.
209
  """)
210
 
211
  # Création des onglets pour chaque modèle
 
272
 
273
  # Présentation de la fonctionnalité pour l'utilisateur
274
  st.markdown("""
275
+ Cette section vous permet de **classer une image d'état du cerveau** en fonction de son apparence.
276
  Le modèle utilise **VGG16**, une architecture d'apprentissage profond optimisée pour analyser les images.
277
  Voici ce que vous devez faire :
278
  1. Téléchargez une image au format `jpg`, `jpeg` ou `png`.